AI nelle telecomunicazioni: l’automazione può far lievitare i costi

L’intelligenza artificiale sta emergendo come un attore chiave nella trasformazione del settore delle telecomunicazioni. Con la promessa di aumentare l’efficienza e ridurre i costi operativi tramite l’automazione, molti grandi operatori stanno implementando strategie che prevedono l’uso di agenti intelligenti per sostituire attività tradizionali svolte da personale umano. Tuttavia, la transizione verso un’adozione massiva dell’AI potrebbe comportare costi inattesi, mettendo in discussione la reale efficacia dei risparmi.

Il paradosso dei costi

Secondo uno studio condotto da Bain & Company, l’introduzione di tecnologie AI potrebbe generare nuove spese che compensano, o addirittura superano, i risparmi ottenuti. Infatti, mentre si eliminano alcune spese legate ai dipendenti e ai fornitori, si potrebbero sommare nuovi costi associati a licenze software, servizi cloud e gestione delle risorse AI stesse. Questo fenomeno si traduce in una struttura operativa più costosa nel breve termine, richiedendo una valutazione approfondita di come le telco italiane pianificano di implementare l’AI nei loro processi interni.

In questo contesto, è fondamentale che i Chief Technology Officer (CTO), i Chief Information Officer (CIO) e i Chief Financial Officers (CFO) comprendano le reali implicazioni economiche dell’adozione dell’AI. L’analisi di Bain segnala il rischio di un “cost creep”, una situazione in cui la spesa totale cresce senza una corrispondente crescita in produttività o ricavi.

Modelli operativi e sfide organizzative

L’adozione dell’AI non è solo una questione di implementazione tecnologica, ma coinvolge anche la ristrutturazione dei modelli operativi. Servizi di customer care e gestione della rete potrebbero continuare a vedere un 70-80% della loro spesa legata ai costi tradizionali, mentre il restante 20-30% potrebbe derivare dall’uso di agenti AI. L’attrito tra nuovi sistemi e processi legacy esistenti è una sfida concreta: senza una ridefinizione dei flussi di lavoro, i vecchi approcci potrebbero continuare a esistere, rendendo l’implementazione dell’AI un’operazione costosa e inefficace.

Un esempio pratico è quello di AT&T, che ha ottimizzato l’uso di agenti AI per passare a un modello operativo più efficiente, riducendo i costi fino al 90% e aumentando notevolmente le performance. Tuttavia, per raggiungere tali risultati, è fondamentale non solo sostituire i processi esistenti ma anche ripensarli in un’ottica di semplificazione.

L’importanza della misura del costo-risultato

Rimanere concentrati sul costo dei token e sull’operatività dell’AI non è sufficiente. Occorre spostare l’attenzione verso il costo per risultato, ovvero quanto costa risolvere un problema o gestire una richiesta. Identificare i costi operativi legati all’AI e confrontarli con quelli precedenti all’implementazione è cruciale per comprendere se ci siano effettivamente state eliminazioni di spesa o semplici aggiunte.

Il contesto italiano è particolarmente significativo, poiché gli operatori di telecomunicazioni devono affrontare una regolamentazione rigida e contratti di lungo termine che già ostacolano innovazioni agili. Riscoprire un approccio analitico e sistemico potrebbe aiutare le aziende a non trovarsi in una situazione di “double spending,” dove i costi storici e quelli della nuova AI coesistono, riducendo il potenziale di vantaggio economico.

Conclusioni

La sfida per le telecomunicazioni è chiara: l’adozione dell’AI deve essere strategica e ben progettata per evitare che i suoi benefici vengano assorbiti da crescenti costi. Un’analisi meticolosa della spesa, una riprogettazione dei processi operativi e una gestione oculata delle risorse AI sono essenziali per garantire che l’automazione porti realmente a un miglioramento dei margini e a una riduzione delle spese. Solo così si potrà trasformare l’intelligenza artificiale da un costo in un vantaggio competitivo sostenibile.